École Nationale Supérieure de
Techniques Avancées

Résumé

Ce travail porte sur la modélisation et l’analyse des flux d’énergie des véhicules électriques, dans le but de développer des outils prédictifs pour une gestion énergétique plus efficace. Un cadre de simulation a été établi avec Dymola afin de générer des jeux de données intégrant l’influence des paramètres statiques du véhicule (masse, surface frontale, coefficient de traînée, capacité de la batterie, SOC initial) ainsi que des cycles de conduite dynamiques. Ces données ont ensuite servi à entraîner un modèle de réseau de neurones récurrent. Le modèle permet de prédire des sorties électriques clés telles que le courant, la tension, la puissance et l’état de charge (SOC), éléments essentiels pour l’évaluation et l’optimisation de stratégies de gestion énergétique des véhicules électriques. L’évaluation sur des cycles de conduite non vus démontre la capacité du modèle à généraliser au-delà des données d’apprentissage. Le cadre développé pourra être étendu et intégré dans des systèmes embarqués pour des tâches avancées d’optimisation énergétique.